intel/intelligent_traffic_management_video_inference

智能交通管理 - 视频推理

镜像概述和主要用途

该镜像为智能交通管理系统的核心组件，基于Intel®深度学习流处理器(Intel® DL Streamer)技术，专注于视频流中的交通参与者分析。其主要功能是实时检测和跟踪视频中的车辆与行人，并将结构化数据传输至规则引擎，为交通管理决策提供数据支持。

核心功能和特性

• 基于Intel® DL Streamer技术：利用优化的深度学习推理框架，实现高效视频分析
• 多目标检测与跟踪：支持同时检测和跟踪车辆、行人等交通参与者
• 数据集成能力：自动将处理结果发送至规则引擎，实现与交通管理系统的无缝对接
• 边缘计算优化：针对边缘设备进行性能优化，适合在交通监控边缘节点部署

使用场景和适用范围

• 城市道路实时交通监控
• 高速公路车辆行为分析
• 交叉路口行人安全监测
• 交通流量统计与异常事件检测
• 智能交通信号控制系统数据输入

使用方法和配置说明

基本部署（Docker Run）

bash
docker run -d --name traffic-video-inference \
  -v /local/video/input:/app/input \
  -v /local/data/output:/app/output \
  -e RULE_ENGINE_ENDPOINT="http://rule-engine-service:8080/api/data" \
  --restart unless-stopped \
  intelligent-traffic-video-inference:latest

关键配置参数

环境变量

数据卷挂载

• /app/input: 视频输入目录，存放待分析的视频文件或配置视频流信息
• /app/output: 分析结果本地存储目录，默认保存JSON格式的检测跟踪数据

输出数据格式

发送至规则引擎及本地存储的JSON数据示例：

json
{
  "timestamp": "2024-06-15T08:30:45.123Z",
  "camera_id": "cam-001",
  "objects": [
    {
      "track_id": "v-***",
      "type": "vehicle",
      "sub_type": "car",
      "confidence": 0.94,
      "bounding_box": {
        "x": 230,
        "y": 180,
        "width": 120,
        "height": 85
      },
      "speed_kmh": 45.2
    },
    {
      "track_id": "p-67890",
      "type": "pedestrian",
      "confidence": 0.89,
      "bounding_box": {
        "x": 410,
        "y": 290,
        "width": 55,
        "height": 110
      }
    }
  ]
}